A limpeza manual de gravações de voz é uma das tarefas mais demoradas e exaustivas na produção de podcasts, audiolivros e vídeos narrados. Percorrer horas de formas de onda para cortar manualmente centenas de "ééé", "hum" e "tipo", dar zoom para eliminar estalos de saliva e ruídos de lábios ao microfone e aparar sílabas repetidas por gagueira costuma triplicar ou quadruplicar o tempo de pós-produção.
O Cleanvoice AI foi desenvolvido para eliminar exatamente esse gargalo. Diferente dos editores baseados puramente em transcrição de texto (Speech-to-Text), o Cleanvoice analisa o áudio diretamente no nível da onda acústica. Ele identifica e remove automaticamente vícios de linguagem em mais de 20 idiomas, elimina estalos bucais e ruídos de saliva captados por microfones sensíveis e suaviza hesitações e gaguejos, preservando a cadência natural da conversa.
Este guia prático explica como podcasters, narradores e criadores de conteúdo audiovisual usam o Cleanvoice para purificar suas faixas vocais, como ajustar as configurações para diferentes estilos de programa e como escolher entre a renderização direta e a exportação de projetos para DAWs (estações de trabalho de áudio digital).
1. Abordagem acústica vs. edição por texto: por que o Cleanvoice se destaca
Muitos criadores utilizam ferramentas que transcrevem a gravação e permitem apagar palavras como se estivessem editando um documento de texto. Embora prático para falas padronizadas em inglês, esse modelo enfrenta três grandes dificuldades no mundo real: primeiro, motores de transcrição falham em identificar vícios de fala em outros idiomas ou em locutores com sotaques regionais fortes; segundo, quando o locutor gagueja ou repete o início de uma palavra, o transcritor tende a registrar termos duplicados ou pular o erro; terceiro, ruídos físicos (como estalos de saliva e estalos de lábio) não geram palavras e passam despercebidos pelo texto.
O Cleanvoice utiliza uma arquitetura focada na forma de onda sonora:
- Detecção multilíngue de vícios de linguagem (Filler Words): Treinado no espectro acústico da voz humana, o Cleanvoice reconhece hesitações e cacoetes em mais de 20 idiomas (incluindo português, inglês, espanhol, francês, alemão, italiano, holandês, romeno, polonês, turco e árabe). A ferramenta lida com sotaques regionais com precisão, isolando o som parasita sem decepar consoantes vizinhas.
- Remoção de estalos bucais e saliva (Mouth Sounds): Microfones condensadores sensíveis registram até as menores estaladas de lábios e umidade da boca. Plugins tradicionais (como o iZotope RX Mouth De-Click) exigem calibragem manual de faixas de frequência e sensibilidade para cada locutor. O Cleanvoice varre a pista completa e remove esses microtransientes automaticamente, sem prejudicar consoantes de ataque como "t" e "k".
- Correção de gagueira e hesitações (Stutters & Hesitations): Ao identificar repetições mecânicas de sílabas (por exemplo, "ma-ma-mas" ou começos falsos de frases), o Cleanvoice recorta os loops redundantes e conecta o restante da sentença de forma suave, respeitando as pausas intencionais da oratória.
2. Passo a passo: da gravação bruta ao áudio masterizado
A interface web do Cleanvoice permite tratar episódios inteiros em poucos minutos, sem exigir conhecimentos avançados de engenharia de áudio:
Passo 1: Enviar os arquivos de áudio ou vídeo
Acesse o painel do Cleanvoice e faça o upload do material:
- Formatos suportados: Aceita recipientes comuns de áudio (WAV, MP3, M4A, FLAC, OGG, AAC) e formatos de vídeo (MP4, MOV, WebM).
- Limites de arquivo: Até 3 GB por arquivo para usuários cadastrados (1,5 GB para visitantes) e até 8 GB no total para envios multipista.
- Processamento multipista (Multitrack): Para entrevistas gravadas com microfones separados, é possível carregar até 5 faixas individuais simultaneamente. O Cleanvoice processa todas as faixas em sincronia de fase, garantindo que os cortes na faixa do apresentador não causem desalinhamento temporal com a faixa do convidado.
Passo 2: Configurar os parâmetros de limpeza
O Cleanvoice permite ativar ou desativar módulos conforme o estilo do conteúdo:
| Parâmetro | Função | Recomendação de uso |
|---|---|---|
| Filler Words (Vícios de linguagem) | Detecta e apara sons de hesitação ("ééé", "hum", "tipo", "né") em mais de 20 idiomas | Recomendado para podcasts solo, resumos, aulas e entrevistas |
| Mouth Sounds (Estalos bucais) | Elimina estalos de saliva, cliques de língua e ruídos labiais | Indispensável para audiolivros, narração publicitária e microfonação próxima |
| Stutters (Gagueira e tropeços) | Remove sílabas repetidas involuntárias e falsos começos | Ideal para conversas espontâneas, entrevistas ao vivo e podcasts de debate |
| Breath Removal (Respirações) | Atenua ou silencia inspirações audíveis e ofegos | Configure no modo natural ou legacy para não deixar a fala sufocada |
| Dead Air (Silêncios prolongados) | Encurta pausas longas e constrangedoras | Recomendado; ajuste o limite de tempo para não acelerar demais a conversa |
| Preserve Length (Manter duração / Modo mudo) | Substitui os vícios por ruído de sala sem encurtar a linha do tempo | Obrigatório para videocasts e projetos a serem sincronizados em uma DAW |
Passo 3: Executar o processamento e fazer o teste A/B
O processamento de um episódio de 60 minutos costuma levar entre 5 e 10 minutos. Ao término, o painel exibe um relatório com o número exato de vícios removidos, estalos bucais neutralizados, gaguejos corrigidos e pausas encurtadas.
O reprodutor web integrado permite acionar o botão A/B para comparar o áudio original com o resultado tratado antes de consumir créditos na exportação.
3. Duas opções de saída: Renderização direta vs. Linha do tempo para DAW
Um dos maiores diferenciais do Cleanvoice para produtores profissionais é não obrigar o usuário a depender de um arquivo fechado e imutável. Você pode optar entre duas metodologias:
Modo A: Download do arquivo pronto (Publicação rápida)
Ideal para criadores solo, canais do YouTube, podcasts corporativos e produções diárias:
- Formatos de saída: Exportação em WAV sem perdas, FLAC, MP3 a 320 kbps, AAC ou Opus.
- Tratamento integrado: É possível conjugar a limpeza de vícios com o Noise v2 (redução de ruído de fundo) e o Normalize v2 (nivelamento de loudness a -16 LUFS padrão de podcast) em uma única operação.
- Sincronia com vídeo: Ao tratar arquivos MP4 ou MOV com
Preserve Lengthativado, os trechos cortados recebem silêncio com ruído ambiente, garantindo que o vídeo não sofra cortes bruscos de imagem (jump cuts).
Modo B: Exportação de linha do tempo e marcadores (Fluxo profissional em DAW)
Para engenheiros de som, podcasts narrativos e produções comerciais onde cada decisão editorial precisa ser auditada por um ser humano:
- Adobe Audition e Premiere Pro: Exporta projetos XML com cortes previamente fatiados ou marcadores de sequência.
- DaVinci Resolve: Gera arquivos EDL com precisão de quadros para alinhar à edição de vídeo.
- REAPER: Entrega arquivos de projeto do REAPER com cortes e crossfades suaves já posicionados.
- Audacity: Exporta faixas de marcadores (Label Tracks) que apontam com precisão de milissegundos onde estavam os cacoetes e estalos.
Esse fluxo híbrido permite que a IA localize centenas de microdefeitos em segundos, enquanto o editor preserva o controle artístico para decidir se mantém uma pausa reflexiva com peso emocional ou ajusta a curva de um fade.
4. Comparativo: Cleanvoice vs. Plugins tradicionais e editores de texto
| Critério | Cleanvoice AI | Plugins convencionais (iZotope RX / Audition) | Editores baseados em texto (ex.: Descript) |
|---|---|---|---|
| Método de detecção | IA treinada no espectro acústico da voz | Algoritmos de limiar e espectrograma manual | Reconhecimento de fala em texto (ASR) |
| Vícios multilíngues | Suporte acústico nativo a mais de 20 idiomas | Não suporta (exige recorte manual de onda) | Depende do dicionário do idioma; falha em dialetos |
| Estalos bucais e saliva | Remoção automática de toda a faixa em minutos | Altamente eficaz, mas exige ajuste manual de limiar | Não detecta (ruídos físicos não viram texto) |
| Remoção de gagueira | Identifica loops silábicos e emenda suavemente | Exige zoom na onda e crossfades manuais | Costuma confundir gagueira com palavras legítimas |
| Exportação para DAW | Exporta para Audition, Resolve, REAPER e Audacity | Opera como plugin residente dentro da DAW | Exige fluxos proprietários de exportação |
| Sincronia multipista | Trata até 5 pistas mantendo fase e alinhamento | Edição manual em grupos na DAW | Alinhamento textual rudimentar |
5. Dicas práticas para obter um resultado sonoro impecável
Para manter a voz natural e fluida sem soar artificial, siga estas boas práticas:
- Evite a "limpeza excessiva": Eliminar todas as respirações e hesitações reflexivas pode transformar a fala em um discurso robótico e sem fôlego. Prefira o modo de respiração
naturaloulegacypara preservar o ar humano da conversa. - Use "Preserve Length" em vídeos e mixagens externas: Se o áudio for reintegrado ao vídeo ou mixado com trilhas musicais externas em uma DAW, ative sempre
Preserve Length(parâmetro da API:muted: true). Isso silencia os ruídos com o som da sala em vez de encurtar o tempo, impedindo dessincronia. - Cuide da hidratação e da postura ao microfone: Embora o algoritmo de remoção bucal do Cleanvoice seja eficiente, uma boca excessivamente seca pode deixar pequenos resquícios se o estalo coincidir diretamente com uma vogal acentuada. Tomar água em temperatura ambiente e manter uma distância de 10 a 15 cm com filtro pop reduz ruídos na fonte.
- Fique atento à janela de 7 dias de retenção: O Cleanvoice mantém os arquivos originais e tratados por 7 dias em servidores seguros antes da exclusão definitiva. Faça o download final ou exporte a linha de tempo dentro desse período.
6. Modelos de preços e planos disponíveis
O Cleanvoice adota um modelo de cobrança flexível por horas de áudio processadas:
- Teste gratuito: 30 minutos de processamento gratuito ao se cadastrar, sem necessidade de cartão de crédito.
- Pacotes de créditos avulsos (Válidos por 2 anos):
- 5 horas: US$ 11 (US$ 2,20 / hora)
- 10 horas: US$ 20 (US$ 2,00 / hora)
- 30 horas: US$ 45 (US$ 1,50 / hora)
- Pacotes para grandes volumes de até 200 horas (€ 180).
- Planos de assinatura mensal (Com acúmulo de créditos não usados):
- Assinaturas a partir de € 10/mês.
- Plano popular de 30 horas por US$ 28/mês.
- Os créditos mensais não utilizados acumulam para os meses seguintes, até um teto de 3 vezes o limite mensal do plano contratado.
- API REST e SDKs para desenvolvedores: Acesso completo via SDK em Python (
cleanvoice-sdk) e JavaScript/TypeScript (@cleanvoice/cleanvoice-sdk), ideal para automatizar esteiras de estúdios e integrar o serviço em ferramentas no-code (Make, n8n) ou plataformas de vídeo SaaS.
O Cleanvoice preenche a lacuna entre o trabalho manual de cortar ondas sonoras e a rigidez dos editores baseados em texto. Ao tratar vícios de fala, estalos e gagueiras diretamente no domínio acústico, ele poupa horas de pós-produção e devolve aos criadores o foco na qualidade do conteúdo e da narrativa.
Referências
- Cleanvoice AI | Edit Audio & Video Podcast in 10 Mins, in Clicks
- Cleanvoice AI Marketing & Feature Overview (llms.txt)
- AI Filler Word Remover: Cut the Ums & Uhs | Cleanvoice AI
- Mouth Noise Remover: Clicks & Lip Smacks | Cleanvoice AI
- Stutter Remover — Fluent Audio with AI | Cleanvoice AI
- Cleanvoice AI API & Developer Documentation (llms.txt)
- Pricing — Start Free, Plans from €10/month | Cleanvoice AI